大数据绝不只是数据大，不能光看字面意思。可以说大数据是一套技术体系，可以说是一种认知挖掘过程，也可以说是一种方法论和管理决策思维。

我们要搞懂大数据的价值，首先绕不开数据挖掘(或更窄的机器学习、或更广义的人工智能技术)。数据挖掘(Data Mining)，又称为资料探勘、数据采矿，或数据库知识发现(Knowledge-Discovery in Databases，KDD)。数据挖掘一般是指从大量的数据中通过各种算法挖掘隐藏于其中的规律和有价值信息的过程，通常通过统计方法、机器学习、专家系统、模式识别和在线分析处理等诸多方法来实现上述目标。

现阶段大数据领域注重数据采集、数据存储、基础计算和可视化等层面，唯独对数据挖掘建模和决策支持这两个硬骨头没有展开深入研究和对接，这是大数据难以落地的根本原因。我们大多数人决策其实是靠感觉、个人经验或别人建议，少部分人会亲自对报表等小数据进行客观数据分析。

而大数据为我们提供了一种更加可靠的决策支持，毕竟数据不会说假话。大数据本身不产生价值，大数据的根本用途是利用大数据挖掘分析对我们的决策提供规律、知识和经验等科学依据，客观上减少面对未来决策的不确定性。所以，以业务决策支持为分析目标，大数据不靠大，小数据也一样有大价值。为什么大数据的价值需要我们自己去定义呢?

因为对于未来、对于未知领域，我们每个人或组织面临的不确定性问题是不一样的，有的偏个体(如疾病诊断，犯罪预测)，有的偏大众(如广告营销、客户细分)，有的偏微观(如基因序列，个性化教育)，有的偏宏观(环境监测、天文数据处理)，有的关注资源优化配置(如供需匹配，出行服务)，有的关注宏观决策(如政府资产分析、综合管控)…可以说大数据分析需求无处不在，而又大不相同。这就需要从自身实际需求和数据、技术现状出发，自行设定大数据分析的价值和应用目标，生搬硬套互联网公司那套做法，不可取。